MAKALAH RISET OPERASI

PEMROGRAMAN LINEAR INTEGER

OLEH:
HARNAWANTI HASIM ( F1A2 16 024 )

LA NGGASA ( F1A2 16 036 )

SITTI NURYANA DIYASRI ( F1A2 16 050)

PROGRAM STUDI SI STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS HALU OLEO

KENDARI

2017
 KATA PENGANTAR

Puji syukur, saya haturkan kehadirat Allah SWT, karena berkat

rahmat dan hidayah-Nya, Modul Pemrograman Linier ini, dapat selesai
tepat pada waktunya,walaupun dengan banyak kekurangan disana sini,
karena saya hanyalah manusia biasa yang tidak pernah luput dari
kesalahan. Tak lupa Shalawat beriring salam, kita panjatkan kehadirat
Nabi Besar Muhammad SAW, yang telah membawa syiar Islam,agama
yang paling sempurna di muka bumi ini, dengan seluruh jiwa raga-nya.
Makalah ini, saya bagi menjadi 3 bagian, mulai dari defenisi
Program Linear sampai beberapa metode yang digunakan dalam
penyelesaian masalah, yang berhubungan dengan Pemrograman Linier.
Harapannya, target pembelajaran mata kuliah Pemrograman Linier dapat
tercapai.Dalam menyelesaikan makalah ini, penyusun sadar bahwa
semuanya tidak terlepas dari berbagai pihak yang selama ini selalu
mendukung, baik secara material maupun non material, semangat, dan
segalanya. Untuk itu, penyusun ingin mengucapkan terima kasih kepada
semua pihak yang telah membantu dalam penyelesaian makalah ini.
Dalam menyelesaikan modul ini, penyusun sadar bahwa semuanya
tidak terlepas dari berbagai pihak yang selama ini selalu mendukung, baik
secara material maupun non material, semangat, dan segalanya. Untuk itu,
penyusun ingin mengucapkan terima kasih kepada semua pihak yang telah
membantu dalam penyelesaian modul ini.
Akhir kata, disadari bahwa makalah ini, masih memiliki banyak
kekurangan. Untuk itu, penyusun berbesar hati menerima segala kritik dan
saran. Semoga makalah ini, dapat memberikan banyak manfaat bagi kita
semua, terutama bagi kemajuan pendidikan matematika ke depannya.

Kendari, 15 Oktober 2017

Penulis
 DAFTAR ISI
KATA PENGANTAR ................................................................................... i

DAFTAR ISI ................................................................................................. ii

BAB I PENDAHULUAN ............................................................................. 1

1.1 Latar Belakang ............................................................................ 1

1.2 Rumusan Masalah ....................................................................... 1
1.3 Tujuan Penulisan ......................................................................... 1
1.4 Manfaat Penulisan ....................................................................... 2

BAB II PEMBAHASAN .............................................................................. 3

2.1 Definisi Program Integer .............................................................. 3

2.2 Jenis-jenis Program Integer .......................................................... 3
2.3 Sifat Umum Program Integer ....................................................... 4
2.4 Metode-Metode dalam Program Integer ...................................... 5
2.4.1 Pencabangan dan Pembatasan (Branch and Bound) ........ 5
2.4.2 Pemotongan Bidang Datar (Cutting Plane) ......................... 9
2.4.3 Metode Pendekatan Pembulatan ....................................... 9
2.4.4 Metode Grafik ................................................................... 12

BAB III PENUTUP .................................................................................... 13

3.1 Kesimpulan ............................................................................... 13
3.2 Saran .......................................................................................... 14

DAFTAR PUSTAKA
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan sehari-hari banyak dijumpai permasalahan dengan
tujuan untuk mendapatkan suatu penyelesaian secara optimal, hal ini dapat dilihat
dari usaha untuk memaksimalkan atau meminimalkan sumber-sumber yang
terbatas. Sumber-sumber tersebut antara lain mesin, tenaga kerja, bahan
baku,peralatan, dan lain sebagainya. Dengan alasan itulah, diperkenalkan riset
operasi (operation research) yang pada prinsipnya berisi teknik kuantitatif yang
banyak dipakai dalam pengambilan keputusan.
Riset operasi merupakan metode untuk menformulasikan atau
merumuskan permasalahan sehari-hari ke dalam pemodelan matematika untuk
mendapatkan penyelesaian yang optimal (Bustani, 2005). Salah satu alat riset
operasi yang efektif untuk menyelesaikan masalah optimalisasi adalah
pemrograman linear. Pokok pikiran dalam menggunakan program linear adalah
dengan merumuskan masalah dari informasi yang tersedia, kemudian
menterjemahkannya ke dalam bentuk model matematika. Sifat linear di sini
memberi arti bahwa seluruh fungsi matematis dalam model ini merupakan fungsi
linear, sedangkan kata pemrograman merupakan sinonim dari perencanaan.
Pemrograman linear dapat digunakan pada berbagai permasalahan dalam
berbagai bidang kegiatan. Permasalahan-permasalahan ini dapat dimodelkan
menjadi bermacam-macam model, seperti model transportasi, model penugasan,
dan lainlain sebagainya.
Permasalahan pemrograman linear yang membutuhkan variabel bernilai
bulat dapat menggunakan pemrograman bilangan bulat (integer programming.
Pemrograman bilangan bulat ini dikatakan linear jika fungsi obyektif dan
kendalanya berbentuk linear, sehingga pemrograman ini disebut pemrograman
linear bilangan bulat (integer linear programming).Pada pemrograman linear
bilangan bulat, fungsi-fungsinya hampir sama dengan pemrograman linear, hanya
ditambahkan syarat bilangan bulat pada kendala nonnegativitas.

1.2 Rumusan Masalah

1) Apa itu Pemograman Linear Integer
2) Apa saja jenis-jenis program integer
3) Apa saja sifat umum program integer
4) Bagaimana metode-metode mengerjakan program integer
1.3 Tujuan
1) Untuk mengetahui apa itu program integer
2) Untuk mengetahui jenis-jenis program integer
3) Untuk mengetahui sifat umum program integer
4) Untuk mngetahui metode-metode dalam program integer
1.4 Manfaat
Manfaat pembuatan makalah ini adalah untuk mengetahui dan
mempelajari lebih dalam tentang mengenai materi pemograan linear
integer (Integer Linear Programing).
 BAB II

PEMBAHASAN
2.1 Definisi Program Integer

Program Integer adalah program linier (Linear Programming) di

mana variabel-variabelnya bertipe integer(bulat). Program Integer digunakan
untuk memodelkan permasalahan yang variabel-variabelnya tidak mungkin
berupa bilangan yang tidak bulat (bilangan riil), seperti variabel yang
merepresentasikan jumlah orang atau benda,karena jumlah orang atau benda
pasti bulat dan tidak mungkin berupa pecahan. Program Integer juga biasanya
lebih dipilih untuk memodelkan suatu permasalahan karena program linier
dengan variabel berupa bilangan riil kurang baik dalam memodelkan
permasalahan yang menuntut solusi berupa bilangan integer, misalnya
variabel-variabel keputusannya jumlah cabang Bank di daerah berbeda di
suatu Negara. Solusi pecahan tentu tidak dapat diterima dalam keputusan
Bank.
Program Integer merupakan bentuk khusus atau variasi dari program
linier, di mana salah satu atau lebih dalam vektor penyelesaiannya memiliki
nilai integer.Program Integer yang membatasi variabel keputusan pada
sebagian saja yang dibatasi pada nilai integer disebut Program
IntegerCampuran (Susi, Astuti H. 1999). Pokok pikiran utama dalam Program
Integer adalah merumuskan masalah dengan jelas dengan menggunakan
sejumlah informasi yang tersedia. Sesudah masalah terumuskan dengan baik,
maka langkah berikut ialah menerjemahkan masalah ke dalam bentuk model
matematika. . Pada masalah Program Integer untuk pola memaksimumkan,
nilai tujuan dari Program Integer tidak akan pernah melebihi nilai tujuan dari
program linier (Wahyujati, Ajie. 2009).
2.2 Jenis-Jenis Program Integer

Terdapat tiga jenis Program Integer, yaitu sebagai berikut:

1. Program Integer Murni (Pure Integer Programming), yaitu program
linier yang menghendaki semua variabel keputusan harus merupakan bilangan
bulat non-negatif.
2. Program Integer Campuran (Mixed Integer Programming), yaitu
program linier yang menghendaki beberapa, tetapi tidak semua variabel
keputusan harus merupakan bilangan bulat non-negatif.
3. Program Integer Biner (Zero One Integer Programming), yaitu
program linier yang menghendaki semua variabel keputusan harus bernilai 0
dan 1.

Bentuk umum dari masalah Program Integer Murni adalah sebagai

berikut(Susanta, B. 1994):
Menentukan xj, j = 1, 2, ... , n
Maksimumkan atau Minimumkan: Z ==1j xj
Kendala:

jxj = b

j 0 dan xj bilangan bulat
2.1
Untuk j=1,2, ,n
di mana:
Z = fungsi sasaran atau fungsi tujuan
xj = variabel keputusan
cj= koefisien fungsi tujuan
j = koefisien kendala
b = nilai ruas kanan
Bentuk 2.1 di atas merupakan bentuk umum dari Program Integer Murni. Jika
dari bentuk 2.1 di atas xj bilangan bulat, untuk j= 1,2,...,k dengan kn, maka
dinamakan bentuk umum dari Program Integer Campuran (Mixed
IntegerProgramming).

Program Integer Campuran merupakan Program Integer tapi variabel

keputusannya tidak semua merupakan bilangan bulat ada variabel keputusan yang
bernilai pecahan (Yamit, Zulian. 1991).

Bentuk umum dari masalah Program Integer Biner adalah sebagai berikut:
Maksimum atau Mininimum: Z = = 1
Kendala:
= 1xj = b
j= 1, 2, , n
xj 0dan xj{0, 1}
2.3 Sifat Umum Program Integer

Semua persoalan Program Integer mempunyai empat sifat umum yaitu,

sebagai berikut (Susanta, B. 1994):
1. Fungsi Tujuan (objective function)

Persoalan Program Integer bertujuan untuk memaksimumkan atau

meminimumkan pada umumnya berupa laba atau biaya sebagai hasil yang optimal.
2. Adanya kendala atau batasan (constrains) yang membatasi tingkat sampai di mana
sasaran dapat dicapai. Oleh karena itu, untuk memaksimumkan atau meminimumkan
suatu kuantitas fungsi tujuan bergantung kepada sumber daya yang jumlahnya
terbatas.
3. Harus ada beberapa alternatif solusi layak yang dapat dipilih.
4. Tujuan dan batasan dalam permasalahan Program Integer harus dinyatakan dalam
hubungan dengan pertidaksamaan atau persamaan linier.

2.4 Metode-Metode dalam Program Integer

Algoritma atau Metode yang cukup baik untuk memberikan solusi dalam
Program Integer yaitu:
2.4.1 Pencabangan dan Pembatasan (Branch and Bound)

Cara ini mula-mula dipakai untuk menyelesaikan program bilangan

bulat. Ternyata cara ini tidak saja hanya dapat digunakan untuk program
bilangan cacah, tetapi juga dapat digunakan untuk program matematika yang
lain. Menurut (Taha, H.A.2007),untuk melaksanakan teknikpencabangan dan
pembatasan (Branch and Bound) ada dua operasi dasar, yaitu:
a. Pencabangan (Branching)
Pencabangan merupakan langkah yang dilakukan pada
persoalan yang tidak integer menjadi subpersoalan yang
integer.
b. Pembatasan (Bounding)
Pembatasan merupakan pembatasan setiap
subpersoalan yang dibuat dengan pencabangan.Batas ini
penting untuk tingkatan jawaboptimal dari subpersoalan dan
penemuan jawab optimal bilangan bulat.

Teknik pencabangan dan pembatasan (Branch and Bound) mencari

solusi optimal dari suatu persoalan Program Integer dengan menumerasi titik-
titik dalam daerah fisibel dari suatu subpersoalan.
Keuntungan dari cara pencabangan dan pembatasan adalah cara yang
efisien untuk mendapatkan seluruh jawaban layak (fisibel), sedangkan
kerugian cara ini adalah akan mencari seluruh jawaban program linier pada
setiap titik. Pada persoalan yang besar akan memerlukan waktu yang cukup
lama, terutama bila yang dibutuhkan hanya keterangan mengenai nilai
objektif yang optimum.

Langkah-langkah Metode Branch and Bound:

1. Pembatasan(Bound)
Pada algoritma branch and bound terdapat dua batas yaitu
batas atas (upper bound) dan batas bawah (lower bound).
2. Pencabangan(Branching)
Pencabangan dilakukan jika masih terdapat variabel keputusan
yang harus bernilai bulat namun memiliki solusi yang tidak bulat.
Pencabangan dilakukan dengan cara menambahkan pembatas pada
masalah asli penambahan pembatas ini ditujukan untuk membuat
variabel keputusan yang belum bernilai integer supaya bernilai
integer.
3. Penghentian pencabangan(Fathoming)
 Pencabangan atau pencarian solusi pada suatu sub masalah
dihentikan jika:

a. Infeasible atau tidak mempunyai daerah layak.

b. Semua variabel keputusan yang harus bernilai bulat sudah bernilai
bulat.
c. Pada masalah maksimisasi, penghentian pencabangan pada suatu
submasalah dilakukan jika batas atas dari submasalah tersebut tidak
lebih besar atau sama dengan batas bawah.
d. Pada masalah minimisasi penghentian pencabangan pada suatu
submasalah dilakukan jika batas bawah tidak lebih lebih kecil atau
sama dengan batas atas.
Untuk memperoleh gambaran yang lebih jelas tentang
metode Branch and Bound, perhatikan contoh masalah
berikut:
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 _ 25
X1 8
2X2 10
X1; X2 non negatif integer
Solusi optimum kontinyu masalah ini adalah X1 = 8, X2 = 2, 26 dan
Z =35, 25.
Solusi ini menunjukan batas awal. Batas
bawah adalah solusi yang dibulatkan ke bawah X1 = 8, X2
= 2 dan Z = 34. Dalam metode Branch and Bound, masalah
itu dibagi ke dalam dua bagian untuk mencari nilai solusi
bulat yang mungkin bagi X1 dan X2. Untuk melakukan ini,
variabel dengan nilai solusi pecah yang memiliki bagian
pecah terbesar dipilih. Karena pada solusi ini hanya X2
yang memiliki bagian pecahan,ia dipilih.Untuk
menghilnkan bagian pecah dari nilai X2 = 2, 25, dua
kendala baru dbuat. Kendala-kendala ini mewakili dua
bagian baru dari masalah itu. Dalam hal ini, dua nilai bulat
terdekat terhadap 2,25 adalah 2 dan 3. Sehingga diperoleh
dua masalah baru melalui dua kendala mutually exclusive,
X2 2 dan X2 3, yang akan diuraikan berikut ini sebagai
bagian dari A dan B.Kendala-kendala ini secara efektif
menghilangkan semua nilai pecah yang mungkin bagi X2,
antara 2 dan 3.
Pengaruhnya mereka mengurangi
ruang solusi layak sedemikian rupa sehingga angka solusi
bulat yang diealuasi pada masalah ini makin sedikit.
Bagian A
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 25
X1 8
 2X2 10 (berlebih)
X2 2
X1; X2 0
Bagian B
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 25
X1 8
2X2 10
X2 3
X1; X2 0
Bagian A dan B diselesaikan tanpa pembatasan
bilangan bulat dengan metode simpleks. Solusi grafik kedua bagian
itu ditunjukkan pada gambar dibawah ini. Solusi simpleknya
adalah:
Bagian A : X1 = 8, X2 = 2, dan Z = 34,
Bagian B : X1 = 6, 5, X2 = 3, dan Z = 34, 5.
Bagian A menghasilkan suatu solusi yang semuanya
bulat. Untuk bagian A batas atas dan bawah adalah Z = 34. Solusi
pecah bagian B membenarkan pencarian lebih lanjut karena
menghasilkan nilai fungsi tujuan yang lebih besardari batas atas
bagian A. Sangat mungkin bahwa pencarian lebih lanjut dapat
menghasilkan suatu solusi yang semuanya bulat dengan nilai
fungsi tujuan melebihi batas atas bagian A = 34.Bagian B
dicabangkan ke dalam dua sub bagian, b1 dan b2, pertama dengan
kendala X1 6 dan yang lain dengan X2 7. Kedua sub-masalah
dinyatakan sebagai berikut:
Sub bagian B1
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 25
X1 8 (berlebih)
2X2 10
X2 3
X1 6
X1; X2 0
Sub bagian B2
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 25
X1 8
2X2 0
X2 3
X1 7
X1; X2 0
Solusi simpleksnya adalah :
Sub-bagian B1 : X1 = 6, X2 = 3, 25 dan Z = 34, 25,
Sub-bagian B2 : tidak layak.
 Karena sub-bagian B1 menghasilkan nilai fungsi tujuan
yang lebih besar dari 34 (batas atas bagian A), maka harus dicabangkan
lagi ke dalam dua submasalah, dengan kendala X2 3 dan X2 4. Kedua
kendala sub masalah diberi nama bagian B1a dan B1b.
Bagian B1a
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 _ 25
2X2 _ 10 (berlebih)
X2 _ 3
X2 _ 3
X1 _ 6
X1; X2 _ 0
Bagian B1b
Maksimumkan Z = 3X1 + 5X2
Dengan syarat 2X1 + 4X2 _ 25
2X2 _ 10
X2 _ 3 (berlebih)
X2 _ 4
X1 _ 6
X1; X2 _ 0
Solusi optimum dengan metode simpleks adalah :
Sub-bagian B1a : X1 = 6, X2 = 3 dan Z = 33,
Sub-bagian B1b : X1 = 4, 25, X2 = 4 dan Z = 33, 5.
Kedua solusi itu memiliki batas atas ( Z = 33 dan Z = 33, 5)
yang lebih buruk dibanding dengan solusi yang dihasilkan oleh bagian A.
Karena itu, solusi bulat optimum adalah X1 = 8, X2 = 2 dan Z = 34 yang dihasilkan
oleh bagianA.
Jika pencarian telah diselesaikan, solusi bulat dengan fungsi
tujuan tertinggi (dalam masalah maksimasi) dipilih sebagai solusi optimum.
Hasil perhitungan diatas dapat digambarkan dengan gambar berikut:

2.4.2 Pemotongan Bidang Datar (Cutting Plane Algorithm)

Pendekatan yang dilakukan dalam teknik pemotongan bidang
datar (Cutting Plane) adalah denganmembuat pembatas tambahan
yang memotong ruang layak dari program linier sehingga dapat
mengeliminasi solusi yang tidak integer. Proses pemotongan akan
terus berlangsung sehingga diperoleh jawaban dengan seluruh
variabel (yang dikehendaki) berharga bilangan bulat (integer).
 Keberhasilan teknik ini sangat terbatas, bergantung pada struktur
persoalan yang dihadapi. Artinya hanya persoalan tertentu yang dapat
diselesaikan dengan teknik ini. Karena itu, sekarang teknik ini hampir
tidak pernah digunakan lagi.
Kelemahan dari algoritma pemotongan bidang datar adalah
kesalahan- kesalahan pada pembulatanyang dilakukan dalam
perhitungan dapat menghasilkan jawaban bilangan bulat yang salah.
Selanjutnya jawaban dari persoalan masih belum fisibel berarti tidak
ada jawaban bilangan bulat yang diperoleh sampaijawaban bilangan
bulat yang optimal dicapai tadi,dan ini berarti bahwa tidak ada
jawaban integer yang baik jika perhitungan dihentikan lebih awal
sebelum mencapai hasil jawaban yang optimal.

.
2.4.3 Metode Pendekatan Pembulatan
Suatu metode yang sederhana dan kadang-kadang praktis
untuk menyelesaikan integer progamming adalah dengan
membulatkan hasil variabel keputusan yang diperoleh melalui LP.
Pendekatan ini mudah dan praktis dalam hal usaha, waktu dan biaya
yang diperlukan untuk memperoleh suatu solusi. Bahkan, pendekatan
pembulatan dapat merupakan cara yang sangat efektif untuk masalah
integer progamming yang besar dimana biaya-biaya hitungan sangat
tinggi atau untuk masalah nilai-nilai solusi variabel keputusan sangat
besar. Contohnya,pembulatan nilai solusi jumlah pensil yang harus
diproduksi dari 14.250,2 menjadi 14.250,0 semestinya dapat diterima.
Namun demikian sebab utama kegagalan pendekatan ini adalah bahwa
solusi yang diperoleh mungkin bukan solusi integer optimum yang
sesungguhnya.
Dengan kata lain, solusi pembulatan dapat lebih jelek
dibanding solusi inte ger optimum yang sesungguhnya atau mungkin
merupakan solusi tak layak. Ini membawa konsekuensi besar jika
jumlah produk-produk seperti pesawat angkut komersial atau kapal
perang yang harus diproduksi dibulatkan ke bilangan bulat terdekat.
Tiga masalah berikut disajikan untuk mengilustrasikan
prosedur pembulatan:
Masalah 1
Maksimumkan Z = 100X1 + 90X2
Dengan syarat 10X1 + 7X2 70
5X1 + 10X2 50
X1 + X2 0
Masalah 2
Minimumkan Z = 200X1 + 400X2
Dengan syarat 10X1 + 25X2 100
3X1 + 2X2 12
X1 + X2 0
Masalah 3
Maksimumkan Z = 80X1 + 100X2
Dengan syarat 4X1 + 2X2 12
 X1 + 5X2 15
X1 + X2 0
Perbandingan antara solusi dengan metode simpleks tanpa
pembatasan bilangan bulat, pembulatan ke bilangan bulat terdekat dan
solusi integer optimum yang sesungguhnya untuk ketiga masalah
tersebut adalah:

Masalah pertama adalah masalah maksimasi, dimana solusi

pembulatan menghasilkan keuntungan 680, hanya lebih kecil 20
dibanding yang dihasilkan solusi bulat optimum 700. Masalah kedua
adalah masalah minimasi dimana solusi pembulatan adalah tak layak.
Ini menunjukan bahwa meskipun pendekatan adalah sederhana,
namun kadang-kadang menyebabkan solusi tak layak. Untuk
mencegah ketidaklayakan, nilai solusi simpleks dalam masalah
minimasi harus dibulatkan ke atas. Misalnya, pada masalah kedua jika
solusi dibulatkan keatas diperoleh X1 = 2 dan X2 = 4 dan merupakan
solusi layak. Sebaliknya,pada masalah maksimasi nilai solusi
simpleks semestinya dibulatkan ke bawah.Pada msalah ketiga, solusi
pembulatan juga tak layak. Namun, seperti dalam masalah minimasi,
jika solusi simpleknya X1 = 2,14 dan X2 = 1,71 dibulatkan ke bawah
menjadi X1 = 2 dan X2 = 1, maka solusinya menjadi layak. Ini dapat
dibuktikan dengan meneliti masing-masing kendala model dengan
nilai variabel keputusan yang telah dibulatkan kebawah. Suatu metode
yang serupa dengan pendekatan pembulatan adalah prosedur coba-
coba (trial and eror). Dengan menggunakan cara ini, pengambil
keputusan mengamati solusi integer dan memilih solusi yang
mengoptimumkan nilai fungsi tujuan. Metode ini sangat tidak efektif
jika masalahnya melibatkan sejumlah besar kendala dan variabel.
 Terlebih lagi, memeriksa kelayakan setiap solusi yang dibulatkan
banyak memakan waktu.

2.4.4 Metode Grafik

Masalah Integer Progamming yang

melibatkan hanya dua variabel dapat diselesaikan secara
grafik. Pendekatan ini identik dengan metode grafik LP
dalam semua aspek, kecuali bahwa solusi optimum harus
memenuhi persyaratan bilangan bulat. Mungkin pendekatan
termdah untuk menyelesaikan masalah integer progamming
dua dimensi adalah menggunakan kertas grafik dan
mengambarkan sekumpulan titik-titik integer dalam ruang
solusi layak. Masalah berikut akan diselesaikan dengan
pendekatan grafik.

Maksimumkan Z = 100X1 + 90X2

Dengan syarat 10X1 + 7X2 70
5X1 + 10X2 50
X1 ; X2 non negatif integer
Model ini serupa dengan model LP
biasa.Perbedaannya hanya pada kendala terakhir yang
mengharapkan bahwa variabel terjadi pada nilai non negatif
integer.

Solusi grafik masalah ini ditunjukkan pada gambar di bawah

ini:
 Ruang solusi layak adalah OABC. Solusi optimum masalah
LP ditunjukkanpada titik B, dengan X1 = 5, 38 dan X2 = 2, 31 serta
Z = 746, 15. Untukmencari solusi integer optimum masalah ini,
garis Z (slope = -9/10) digesersecara sejajar dari titik B menuju
titik asal. Solusi integer optimum adalahtitik integer pertama yang
bersinggungan dengan garis Z. Titik itu adalah A,dengan X1 = 7
dan X2 = 0 serta Z = 700.

CONTOH SOAL

Sebuah perusahaan manufaktur elektronik The Flash memproduksi 2

buah produk kipas angin dan lampu gantung. Tiaptiap produk tersebut
membutuhkan 2 tahapan produksi, yaitu penyolderan (perakitan komponen
elektronik) dan assembling (perakitan komponen nonelektronik) penyolderan
membutuhkan waktu 2 jam untuk lampu dan 3 jam untuk kipas angin, sedangkan
assembling membutuhkan waktu 6 jam untuk lampu dan 5 jam untuk kipas angin.
Perusahaan tersebut hanya mempunyai waktu untuk penyolderan 12 jam dan
assembling 30 jam kerja per minggunya. Bila lampu gantung memberikan
keuntungan sebanyak Rp. 7000 dan Kipas angin memberikan keuntungan Rp.
6000 per unit, formulasi keputusan produksi perusahaan The Flash adalah sebagai
berikut:

Dari kasus The Flash diatas, kita dapatkan:

Maksimisasi profit = 7X1 + 6X2
Ditujukan pada: 2X1 + 3X2 12
6X1 + 5X2 30
X1, X2 integer 0
Dengan Linear Programming sederhana didapatkan:
2X1 + 3X2 = 12 x3 6X1 + 9X2 = 36 2X1 + 3X2 = 12
6X1 + 5X2 = 30 x1 6X1 + 5X2 = 30 2X1 + 3(1.5) = 12
4X2 = 6 2X1 = 7.5
X2 = 1.5 X1 = 3.75
Profit = 7(3.75) + 6(1.5) = 35.25
Karena X1 dan X2 bukan bilangan bulat, maka solusi ini tidak valid, nilai
keuntungan 35.25 dijadikan batas atas awal.
Dengan metode pembulatan k ebawah, kita dapatkan X1=3 dan X2 = 1, dengan
keuntungan = 27, hasil ini feasible karena kedua variabel merupakan bilangan
bulat, jadi nilai keuntungan dijadikan batas bawah.

Iterasi 1
Permasalahan diatas kemudian dibagi menjadi 2 sub problem, A dan B. kita dapat
melakukan pencabangan (branch) pada hasil dengan variabel tidak bulat (integer)
 A
Maksimisasi : 7X1 + 6X2
Ditujukan pada : 2X1 + 3X2 12
6X1 + 5X2 30
X1 4

B
Maksimisasi : 7X1 + 6X2
Ditujukan pada : 2X1 + 3X2 12
6X1 + 5X2 30
X1 3
Dengan metode LP sederhana didapatkan solusi: Solusi optimal subproblem
A: X1 = 4, X2 = 1.2, profit = 35.2 ,Solusi optimal subproblem B: X1 = 3, X2 = 2,
profit = 33.0 .

Karena solusi subproblem B kedua variabelnya merupakan bilangan bulat, maka

kita anggap sudah feasible, maka kita hentikan cabang tersebut dan nilai profitnya
menjadi batas bawah baru.
Subproblem A masih mempunyai variabel bukan bilangan bulat, maka masih
diteruskan dan nilai profitnya (35.2) menjadi batas atas baru

Iterasi 2
Sub problem A kita cabangkan menjadi 2, menjadi subproblem C dan D dengan
batasan tambahan untuk subproblem C adalah X2 2 dan untuk subproblem D
adalah X2 1. Logika dari pengembangan subproblem ini adalah karena solusi
optimal dari subproblem A X2 = 1.2 tidak feasible, maka solusi integer haruslah
berada dalam wilayah X2 2 atau X2 1

C
Maksimisasi : 7X1 + 6X2
Ditujukan pada: 2X1 + 3X2 12
6X1 + 5X2 30
X1 4
X2 2

D
Maksimisasi : 7X1 + 6X2
Ditujukan pada: 2X1 + 3X2 12
6X1 + 5X2 30
X1 3
X2 1

Subproblem C tidak mempunyai solusi karena dua batasan awal tidak terpenuhi
bila ada batasan tambahan X1 4 dan X2 2 , jadi cabang ini tk digunakan.
Solusi optimal dari cabang D adalah X1 = 4 dan X2 = 1, profit 35.16, jadi batas
atas berubah menjadi 35.16.
Iterasi 3
Kita buat cabang baru E dengan batasan tambahan batasan X1 4 dan F dengan
batasan tambahan X1 5

E
Maksimisasi : 7X1 + 6X2
Ditujukan pada: 2X1 + 3X2 12
6X1 + 5X2 30
X1 4
X1 4
X2 1
Solusi optimal E adalah X1 = 4 dan X2 = 1 dengan profit 34
F
Maksimisasi : 7X1 + 6X2
Ditujukan pada: 2X1 + 3X2 12
6X1 + 5X2 30
X1 4
X1 5
X2 1
Solusi optimal F adalah X1 = 5 dan X2 = 0 dengan profit 35
Jadi solusi optimal untuk pemrograman bulat ini adalah X1 = 5 dan X2 = 0
dengan profit 35 .

Kelemahan dasar dari metode ini adalah bahwa diperlukan pemecahan masalah
LP untuk setiap pencabangan. Dalam masalah yang besar dapat memakan banyak
waktu. Karena itu dalam prosedur pencabangan dan pencarian, analisa selanjutnya
dihentikan jika :
 1. Hasil dari sub-problem lebih jelek dibanding dengan batas atas
yang sudah diidentifikasi
2. Pencabangan selanjutnya menghasilkan solusi tak layak.

Dengan metode grafik

Maksimisasi profit = 7X1 + 6X2

Ditujukan pada : 2X1 + 3X2 12
6X1 + 5X2 30
X1, X2 0
X1 = Lampu
X2 = Kipas Angin

Dengan metode linear programming dapat kita hitung bahwa solusi optimal dari
The Flash adalah memproduksi 3 Lampu dan 1 Kipas Angin. Kita
menyadari bahwa perusahaan tidak bisa membuat dan menjual barang dalam
bentuk pecahan, jadi kita memutuskan bahwa kita menghadapi permasalahan
integer programming / pemrograman bulat.

Dengan metode pembulatan

 Pendekatan ini mudah dan praktis dalam hal usaha, waktu dan
biaya. Pendekatan pembulatan dapat merupakan cara yang sangat efektif
untuk masalah integer programming yang besar dimana biaya-biaya
hitungan sangat tinggi atau untuk masalah nilai-nilai solusi variabel
keputusan sangat besar.
Sebab utama kegagalan pendekatan ini adalah bahwa solusi yang
diperoleh mungkin bukan solusi integer optimum yang sesungguhnya.
Solusi pembulatan dapat lebih jelek dibanding solusi integer optimum
yang sesungguhnya atau mungkin merupakan solusi tak layak.
 BAB III

PENUTUP

3.1 Kesimpulan

1) Program Integer merupakan pengembangan dari Program

Linear di mana beberapa atau semua variabel keputusannya
harus berupa integer. Jika hanya sebagian variabel keputusannya
merupakan integer maka disebut Program Integer campuran
(mixed Integer Progamming ). Jika semua variabel
keputusannya bernilai integer disebut Program Integer murni
( pure Integer Progamming ).
2) Terdapat tiga jenis Program Integer, yaitu sebagai berikut:
a. Program Integer Murni (Pure Integer Programming), yaitu
program linier yang menghendaki semua variabel keputusan
harus merupakan bilangan bulat non-negatif.
b. Program Integer Campuran (Mixed Integer Programming),
yaitu program linier yang menghendaki beberapa, tetapi tidak
semua variabel keputusan harus merupakan bilangan bulat non-
negatif.
c. Program Integer Biner (Zero One Integer Programming),
yaitu program linier yang menghendaki semua variabel
keputusan harus bernilai 0 dan 1.
3) Semua persoalan Program Integer mempunyai empat sifat
umum yaitu, sebagai berikut (Susanta, B. 1994):
1. Fungsi Tujuan (objective function)
Persoalan Program Integer bertujuan untuk memaksimumkan
atau meminimumkan pada umumnya berupa laba atau biaya
sebagai hasil yang optimal.
2. Adanya kendala atau batasan (constrains) yang membatasi
tingkat sampai di mana sasaran dapat dicapai. Oleh karena itu,
untuk memaksimumkan atau meminimumkan suatu kuantitas
fungsi tujuan bergantung kepada sumber daya yang jumlahnya
terbatas.
3. Harus ada beberapa alternatif solusi layak yang dapat dipilih.
4. Tujuan dan batasan dalam permasalahan Program Integer harus
dinyatakan dalam hubungan dengan pertidaksamaan atau
persamaan linier.

4) Metode-Metode dalam Program Integer,yaitu :

a) Metode Barch and Bound
b) Metode Cutting Plan Algorithm
c) Metode Balas
d) Metode Grafik
3.2 Saran

Menyadari bahwa penulis masih jauh dari ata sempurna,kedepannya

penulis akan lebih fokus dan detail dalam menjelaskan tentang makalah diatas
dengan sumber-sumber yang lebih banyak yang tentunya dapat dipertanggung
jawabkan.
 DAFTAR PUSTAKA

A Taha,Hamdy,1996, Riset Operasi Jilid 1 , Jakarta : Binarupa Aksara.

http://bab-vi-_program-linear-bilangan-bulat.pdf

http://Pemograman+Bulat.pdf

http://Penyelesaian_Masalah_Pemrograman_Bilangan_Bulat.Pdf